机器学习确定中低能区重离子碰撞参数分布研究

重离子碰撞的碰撞参数对动力学演化过程及产物分布都有重要影响.但是由于涨落效应的存在,实验观测量的某一值所对应的碰撞参数必然存在一定的分布.目前,对于实验观测量所对应的碰撞参数分布的确定主要有三种方法,即锐截断近似(Sharp Cut-Off Approximation)方法、神经网络方法和贝叶斯估算方法.本文以改进型量子分子动力学模型(ImQMD)为数据产生器,模拟产生了20000个事件.利用所产生的数据集,对上述三种方法给出的碰撞参数分布的划分进行了讨论和分析.最后,我们提出了一种不依赖于模型的重离子碰撞中心度确定方法,即非监督型机器学习方法——K-means聚类算法确定碰撞中心度.预期该方法能够对于中低能重离子碰撞中心度的确定提供另一种思路.